- 相關推薦
Web數據挖掘技術在個性化網絡教學中的應用研究
摘要:本文針對Web數據挖掘技術在個性化網絡教學中的應用進行研究,有助于形成一種主動的、協作的、開放的網絡教育學習系統,實現個性化、協作性教育教學,最大限度地發揮學習者的主動性、積極性,最大限度地利用優質教育資源。
關鍵詞:Web數據挖掘;個性化教學;網絡教育
隨著互聯網技術的應用和發展,基于Internet的網絡教學逐漸成為有效利用社會優勢教育資源的一種途徑。
網絡教學能夠突破傳統教學模式的時空限制,利用其多媒體和信息量大、交互性強、覆蓋面廣等特點,為更多的人提供接受高等教育的機會,有力推動了我國高等教育大眾化的進程;網絡教學也是實現現代遠程教育的重要橋梁,許多高校設立了網絡教育學院,為學生共享學習資源、規劃學習進度、自查學習效果、完成學位論文等提供了優良的網絡環境;網絡教學方式成為各高校必不可少的教學手段,是高校改革教學方法、優化教學過程、實施素質教育的必然結果。
1 網絡教學現狀
目前,基于WWW(World Wide Web)的網絡教學系統在國內外逐步發展起來,許多大學建立了自己的遠程教學站點,以高校精品課程網站為代表的教學網站建設對于提高高等學校人才培養質量,改進學校育人環境,激發師生工作學習的積極性和創造性,有著重要的作用。然而,通過對網絡教學系統的調查和學生反饋信息,發現不少網絡教學系統存在一定的問題:
(1)動態交互功能不強。遠程教育系統多是教學材料的堆砌,學生只能被動地瀏覽教學內容,不能實際地參與到系統中進行發現式、創造式地主動學習,這樣就很難達到最佳的學習效果。
(2)系統的智能性較低。其一,不能根據學生的具體情況提供合適的、智能化的交互界面,調動學生的興趣。其二,不能根據學生的學習能力和學習情況提供相應的指導,實現因“才”施教。
(3)系統的測試和評價功能不強。現有的網上測試系統多是在固定的Web頁面上放一些固定的試題,不能根據學生的要求和學習情況自動選題組卷、變換題目,靈活性較差,不能根據學生某個知識點上的薄弱發現學生知識體系中其他相關弱點,而且難度級別較粗略,評價標準不夠準確。
(4)缺乏有效的引導。學生在網絡環境中隨意性較大,有的甚至盲目漫游,既浪費了時間又達不到學習的目的。
2 Web數據挖掘技術在網絡教學中的應用
目前網絡教學系統之所以存在上述缺陷,主要是由于忽視了受教育對象個體之間存在著極大的差異性,例如:個人學習目標不同、學習能力不同、認知風格不同,所以網絡教學必須是一種適應個別化學習需求的個性化教學。
為改善這些這不足之處,本文提出了個性化網絡教學的概念,通過將傳統的數據挖掘[1](Data Mining)同Web結合起來,進行Web數據挖掘[2],即從Web文檔和Web活動中抽取學生感興趣的潛在的有用模式和隱藏的信息,作為對學生提供個性化教學服務的依據,協助管理者優化站點結構,提高站點效率,更好地為網絡教學服務。其主要研究方法如下:
(1)改進網絡教學系統性能。對Web系統的特性數據進行分析,如:可以提供Web流量行為的分析,利用它來處理Web緩存、存取平衡等,可以改進遠程教育系統性能。另外,隨著網上交費等服務的展開,系統安全成為一個需要重點關注的問題,Web使用挖掘可以提供有用的挖掘模式來檢測遠程教育站點入侵、欺詐等行為[3]。
(2)完善網絡教學站點結構。對所有學生的瀏覽路徑進行挖掘,發現其中某些頁面的邏輯關聯,把頻繁訪問的一些頁面直接鏈接,以改善遠程教育站點結構。
(3)提供智能化服務。學生如何使用遠程教育網站來進行學習對于遠程教育提供者來說是很重要的。通過對學生行為和所選課程等關系的挖掘,發現其中的學生群學習特征和趨勢等,為遠程教育提供者提供決策依據。
(4)個性化需求設計。從單個學生的瀏覽信息發現學生的興趣,向每位學生提供符合其興趣要求的個性化界面。
3 基于Web數據挖掘的個性化網絡教學系統設計[4]
實現個性化網絡教學系統的關鍵就是在學習的各個階段對個體進行差異化的分析處理和協助學習。首先需要對參加學習的個體情況進行分類以安排相應的教學內容和進程;其次在學習的過程中,知識表示的內容需要根據對學習者的個人情況要求具有不同的形式;最后就是要對每一個階段的學習進行相應的考核評估和反饋。
個性化的網絡教學系統模型如圖1所示。在該模型中引入了一個閉環反饋環節,讓系統根據不同的信息自動調整來適應用戶學習需求,其中個性化處理引擎包括三個主要組成部分:分別是用戶信息收集中心、個性化分析中心、信息調度中心。
(1)用戶信息采集中心。這一模塊是個性化遠程教育的基礎,這是個性分析引擎的數據來源,其收集信息的質量與數量將直接影響個性系統分析的質量,采集的基本信息有用戶的經常訪問的地址與欄目感興趣的話題、用戶的IP地址、停留時間、訪問的時間頻率、經常提問搜索的關鍵字、作業與考試的完成過程與結果、進行電子討論的話題訪問的時間段、用戶的必要個人信息。信息采集模塊負責收集這些信息,并把這些采集的信息順利的送往下一步的個性分析中心。對于用戶來說,用戶一旦登陸這個網站,其在上面發生的大多數的行為都可能被信息采集模塊所收集,用來進行用戶的個性分析。
(2)個性化分析中心。個性分析中心有兩大主要組成部分:一是用戶的信息庫,二是分析處理模塊。它的工作方式是分析處理模塊結合最新采集的信息與信息庫中的數據資源進行新的分析,并把分析結果傳遞到信息調度模塊,同時更新用戶信息庫中的數據。
(3)信息調度中心。根據個性分析引擎處理后的個性參數來調度幾大子系統,并選擇合適的教育信息資料將頁面反饋給用戶以滿足其需求,同時把用戶在子系統中的個性活動信息反饋給個性化分析中心,然后由個性分析中心進行再加工,來更新用戶信息庫。對于用戶來說,其發出一個請求得到一個響應,中間的過程是透明的,其個性處理的內部過程并不為用戶所察覺。
(4)各子系統的工作協調。這些子系統之間的聯系是由個性化引擎和用戶個性信息庫來完成。比如說,一個學生在答疑系統中對于某方面的問題提問次數比較多。那么相應地這一信息將會被個性化引擎及時捕獲,并記錄到用戶個性信息庫中,在下一次用戶進入作業系統時,個性化引擎將根據這一個性信息調度作業系統對此學生著重進行這一方面問題的訓練。
4 結束語
隨著遠程教育的廣泛開展,基于Web數據挖掘技術的教學網站將大大提高學習者的主動權,使學生明確學習目標,加快學習進度,使得不同方式、不同興趣的個性化的學習需要得到充分的滿足,真正做到因材施教。
參考文獻
[1]韓家煒.數據挖掘概念與技術[M].北京:機械工業出版社,2001.
[2]KANTARDZIC M.數據挖掘:概念、模型、方法和算法[M].閃四清,陳茵,程雁,譯.北京:清華大學出版社,2003.
[3]宋愛波.Web挖掘研究綜述.計算機科學[J].2001,28(11):13-15.
[4]甘文麗.基于Web的個性化遠程學習模型的研究與應用[J].科技信息,2007(21):18-19.
【Web數據挖掘技術在個性化網絡教學中的應用研究】相關文章：
網絡經濟數據挖掘在工商管理中的應用論文07-29
旅游管理下數據挖掘運用論文11-18
旅游管理下數據挖掘運用論文6篇11-18
光網絡技術在城域傳送網中的應用08-08
計算機應用技術在信息管理中的應用研究論文（精選6篇）09-20
電氣自動化節能設計技術應用研究06-12
價值管理在現代企業管理中的應用研究論文04-30
語言藝術在英語文學中的應用研究論文09-23